买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜国网江西省电力有限公司电力科学研究院申请的专利一种基于函数加密的电力密文数据异常检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119249460B 。

龙图腾网通过国家知识产权局官网在2025-04-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411773711.2，技术领域涉及：G06F21/60；该发明授权一种基于函数加密的电力密文数据异常检测方法及系统是由肖勇才;徐健;杨浩;潘曙辉;刘恒;李腾;喻宝禄;姚保明;杜江龙;龙宣东设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种基于函数加密的电力密文数据异常检测方法及系统在说明书摘要公布了：本发明公开了一种基于函数加密的电力密文数据异常检测方法及系统，方法包括：根据预设尺寸的滑动窗口在各个电力时序数据上每次滑动一个时间步长，得到多个重叠的正常电力时序数据子序列；根据至少一个正常电力时序数据子序列构建相对应的异常电力时序数据子序列；根据预设的函数加密机制分别对正常电力时序数据子序列和异常电力时序数据子序列进行数据加密，并将加密后的正常电力时序数据和异常电力时序数据输入至预先构建的LSTM‑FCN网络模型中，训练得到异常检测模型；将加密后的实时电力时序数据序列输入至异常检测模型中，异常检测模型输出检测结果。端到端的时序异常检测方法能够直接输出检测结果，减少了中间步骤，提高了检测速度。

本发明授权一种基于函数加密的电力密文数据异常检测方法及系统在权利要求书中公布了：1.一种基于函数加密的电力密文数据异常检测方法，其特征在于，包括：获取正常运行状态下电力设备中连续一段时间的电力时序数据，并根据预设尺寸的滑动窗口在各个电力时序数据上每次滑动一个时间步长，得到多个重叠的正常电力时序数据子序列；根据至少一个正常电力时序数据子序列构建相对应的异常电力时序数据子序列；根据预设的函数加密机制分别对所述正常电力时序数据子序列和所述异常电力时序数据子序列进行数据加密，并将加密后的正常电力时序数据和与所述正常电力时序数据相对应的第一标签，以及加密后的异常电力时序数据和与所述异常电力时序数据相对应的第二标签，输入至预先构建的LSTM-FCN网络模型中，训练得到异常检测模型；获取实时电力时序数据序列，根据所述函数加密机制对所述实时电力时序数据序列进行数据加密，并将加密后的实时电力时序数据序列输入至所述异常检测模型中，所述异常检测模型输出检测结果，其中，所述异常检测模型包括密文卷积层、带有鉴别损失的密文拟合层以及鉴别网络；所述鉴别网络包括LSTM层、FCN层、特征融合层以及分类层，所述分类层包括一维卷积、MLP和softmax，用于将预测结果与真实标签计算分类损失，并通过梯度下降法对密文卷积层和鉴别网络进行训练，其中，所述分类损失的表达式为： ，式中，为分类损失，为样本数量，为鉴别网络的输出；所述密文卷积层包括解密网络和包含鉴别网络的鉴别损失，所述解密网络将密文数据转为明文数据，所述解密网络包括参数卷积结构和时序依赖非线性重构网络，其中，构建时序依赖非线性重构网络的具体过程为：根据RNN输入密文数据学习子序列中项之间的依赖关系，表达式为： 式中，为RNN在时间步t的隐藏状态，为RNN的激活函数，为RNN的权重，为密文数据在子序列t位置的值，为RNN在时间步t-1的隐藏状态,为RNN的偏置;将RNN在中间时间步的隐藏状态添加到MLP的输入中，学习得到数据的非线性特征，表达式为： 式中，为时序依赖非线性重构网络的输出，为MLP的激活函数，为MLP的权重，为RNN中间时间步的隐藏状态，为RNN的最终输出，为MLP的偏置；所述参数卷积结构用于将密文卷积层的参数转为与所述时序依赖非线性重构网络的输出相同大小，表达式为： ，式中，为密文卷积层的参数，为卷积的权重，为卷积的偏置；将和进行通道拼接，并根据一维卷积将拼接后的特征转为原始序列维度大小，表达式为： ，式中，为一维卷积的权重，为一维卷积的偏置，为重构后的明文数据，为与在第一维度上的通道拼接，为一维卷积层；根据重构后的明文数据与密文卷积层的输出计算重构损失，重构损失的表达式为： ，式中，为密文卷积的输出在第i个位置的值，为解密网络的输出在第i个位置的值；将密文拟合层的输出送入到鉴别网络中得到输出和鉴别网络倒数第二层的输出作为预测值，将密文卷积网络的输出送入鉴别网络得到的输出和鉴别网络倒数第二层的输出作为真值，将密文拟合层的输出送入鉴别网络得到输出与倒数第二层的输出，根据预测值与相应真值计算鉴别损失，鉴别损失的表达式为： ，式中，为鉴别损失，为鉴别网络最后一层的输出，为鉴别网络倒数第二层的输出，为鉴别网络对第i个密文卷积输出序列的鉴别结果，为鉴别网络对第i个解密网络输出序列的鉴别结果，为鉴别网络对第i个密文卷积输出序列倒数第二层的特征值，为鉴别网络对第i个解密网络输出序列倒数第二层的特征值；根据所述分类损失、所述重构损失和所述鉴别损失得到所述异常检测模型的总损失，表达式为： ，式中，为异常检测模型的总损失。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网江西省电力有限公司电力科学研究院，其通讯地址为：330000 江西省南昌市青山湖区民营科技园内民强路88号检测试验中心科研楼(第1-11层)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。